Deze studie identificeerde de kerndoelen en routes van shikonin tegen RCC via multimethode-analyse en in vitro-validatie , en bood een kader voor verdere mechanistische studies.
Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.
Onderzoeksartikel
Deze studie identificeerde de kerndoelen en routes van shikonin tegen RCC via multimethode-analyse en in vitro-validatie , en bood een kader voor verdere mechanistische studies.
Niercelcarcinoom (RCC) is een van de meest voorkomende tumoren in het urinestelsel en heeft het hoogste sterftecijfer. Eerdere onderzoeken hebben aangetoond dat shikonin niercelcarcinoom kan behandelen, maar het mechanisme blijft onduidelijk. Daarom was ons onderzoek gericht op het verduidelijken van het mechanisme van shikonin bij de behandeling van niercelcarcinoom met behulp van netwerkfarmacologie, moleculaire docking en in vitro functionele assays, waaronder celproliferatie, migratie en apoptose, met western blot (WB)-validatie. Shikonin-doelen werden gescreend met PharmMapper, SwissTargetPrediction en andere databases, en RCC-gerelateerde doelen werden geïdentificeerd uit Online Mendelian Inheritance in Man (OMIM), GeneCards en andere databases; De potentiële therapeutische doelen werden verkregen door intersectieanalyse. Er werd een eiwit-eiwitinteractie (PPI) netwerk opgebouwd en Cytoscape werd gebruikt om kerndoelen te screenen, terwijl moleculaire koppeling werd toegepast om de bindingsaffiniteit tussen shikonin en belangrijke doelen te analyseren. In totaal werden 374 shikonin-doelen en 1.087 RCC-gerelateerde doelen verzameld, en 98 overlappende doelgenen werden geïdentificeerd. Zes kerndoelen (SRC, PIK3CA, PIK3CB, PIK3CD, PTPN11 en PIK3R1) werden geïdentificeerd. Gene Ontology (GO) en de Kyoto Encyclopedia of Genes and Genomes (KEGG) analyses toonden aan dat shikonin anti-RCC-effecten uitoefende, voornamelijk door de activiteit van eiwitkinase, HIF-1 en IL-17 signaalroutes te reguleren. Moleculaire koppeling bevestigde dat shikonin een sterke bindingsaffiniteit had met deze kerndoelen. In vitro-studies met humane RCC Caki-1 en 786-O cellen toonden aan dat shikonin de celproliferatie en -migratie aanzienlijk op dosisafhankelijke wijze remde, celapoptose bevorderde en caspase-3 en caspase-8 activiteiten opgradeerde. Western blot-experimenten bevestigden verder dat shikonin de expressie van kerndoeleiwitten moduleerde en de HIF-1 signaalroute onderdrukte. Deze studie verduidelijkt systematisch het farmacologische mechanisme van shikonin tegen niercelcarcinoom, en biedt een theoretische basis voor de ontwikkeling en toepassing van shikonin als een nieuw anti-RCC-middel.
Niercelcarcinoom (RCC) is de meest voorkomende kwaadaardige tumor van het urinestelsel en is goed voor ongeveer 90% van alle niermaligne tumoren en 2%–3% van de maligne tumoren bij volwassenen wereldwijd. Volgens de gegevens van GLOBOCAN 2022 waren er wereldwijd ongeveer 434.800 nieuwe gevallen en 155.953 sterfgevallen van niercelcarcinoom wereldwijd, waarbij de incidentie en mortaliteit van RCC een continue stijgende trend laten zien. De American Cancer Society schatte alleen al in de Verenigde Staten in 2025 80.980 nieuwe gevallen en 14.510 sterfgevallen van niercelcarcinoom in de Verenigde Staten. Niercelcarcinoom heeft het hoogste sterftecijfer onder maligne tumoren van het urinestelsel, en patiënten met metastatische of medicijnresistente RCC vertonen nog steeds een slechte prognose. Met de brede toepassing van gerichte therapie en immunotherapie is er opmerkelijke vooruitgang geboekt in de klinische behandeling van RCC. De standaardbehandeling van de eerste lijn voor gevorderde of gemetastaseerde niercelcarcinoom hanteert voornamelijk combinatieregimes van immuuncontrolepuntremmers, of regimes die immuuncontrolepuntremmers combineren met anti-angiogene tyrosinekinaseremmers. Ondanks de voortdurende vooruitgang van therapeutische benaderingen ervaart een groot aantal patiënten nog steeds ziekteprogressie, medicijnresistentie of therapie-intolerantie. Daarom blijft de ontwikkeling van nieuwe anti-RCC-geneesmiddelen met duidelijke mechanismen, veiligheid en effectiviteit een dringende klinische behoefte 1,2,3.
Shikonin is het belangrijkste bioactieve bestanddeel dat wordt geëxtraheerd uit Radix Arnebiae, en het afgeleide acetylshikonine heeft prominente anti-RCC farmacologische effecten vertoond. Bestaand bewijs heeft aangetoond dat shikonin anti-RCC-activiteit uitoefent via multitarget- en multipathway-reguleringsmechanismen. Mechanistisch kan shikonin de expressie van het tumorsuppressorgen TEK verhogen en de fosforylering van de AKT/mTOR-signaalcascade remmen, waardoor de proliferatie, migratie en invasie van RCC-cellen4 worden onderdrukt; Daarnaast induceert shikonin intracellulaire ophoping van reactieve zuurstofsoorten (ROS) om mitochondriale disfunctie te activeren, wat meerdere geprogrammeerde celsterftepatronen in gang zet, waaronder apoptose, necroptose en autofagie in RCC-cellen5. Het moduleert ook de expressie van microRNA's zoals miR-15b en miR-99b en reguleert apoptose-geassocieerde doelgenen, waaronder FOXO1 en PDCD4, via de MAPK/ERK-route, waarbij deze regulatie-effecten duidelijke cellijnspecificiteit6 laten zien. Opmerkelijk is dat shikonin een krachtige antitumoractiviteit behoudt tegen sunitinib-resistente RCC-cellijnen, waarbij het therapeutische effecten opwekt door necrosoomcomplexen te activeren, de AKT/mTOR-route te remmen en G2/M-cel cel arrest7 te induceren. Hoewel de anti-RCC-effecten van shikonin gedeeltelijk zijn bevestigd door bestaande experimentele studies, blijven de kerntherapeutische doelwitten, belangrijke signaalnetwerken en de onderliggende moleculaire regulatiemechanismen van shikonin tegen RCC onduidelijk; Bovendien ontbreken systematische voorspellingen, moleculaire verificatie en experimentele bevestiging van de hubdoelen nog steeds, wat een belangrijke onderzoekskloof vormt in de huidige studies.
Netwerkfarmacologie en moleculaire docking dienen als complementaire technische benaderingen in modern onderzoek naar natuurlijke geneesmiddelen en farmacologische mechanismeonderzoek. Vanuit een systematisch perspectief kan netwerkfarmacologie systematisch de multitarget, multipathway holistische interactiekenmerken tussen bioactieve verbindingen en ziektegerelateerde doelwitten ontcijferen. Daarentegen maakt moleculaire koppeling moleculaire verificatie mogelijk van de bindingsaffiniteit en stabiele interactiepatroon tussen kleinmoleculaire verbindingen en kerndoeleiwitten. De combinatie van deze twee methodologieën construeert een systematisch onderzoekssysteem met een gesloten cirkel van holistische doelvoorspelling, gevolgd door moleculaire verificatie. Het combineren van experimentele validatie met netwerkfarmacologie en moleculaire docking is een gangbare benadering voor onderzoek naar natuurlijke geneesmiddelen, wat de verduidelijking van ziektepathogenese en het ophelderen van farmacologische mechanismen van verbindingen vergemakkelijkt, en een theoretisch kader biedt voor fundamenteel onderzoek en translationele toepassing van geneesmiddelen 8,9.
In deze studie werd netwerkfarmacologie toegepast om de kandidaat-doelen van shikonin te voorspellen bij de behandeling van niercelcarcinoom. Moleculaire koppeling werd gebruikt om potentiële doelen theoretisch te verifiëren, en de belangrijkste actiedoelen werden uiteindelijk bepaald via in vitro-experimenten en verder bevestigd door Western Blot (WB)-experimenten. Het volledige proces van deze studie wordt weergegeven in Figuur 1.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Alle menselijke cellijnen die in deze studie werden gebruikt, werden gekocht bij geauthenticeerde commerciële celbanken, en er werden geen verse menselijke weefsels of patiëntmonsters verzameld. Ethische goedkeuring was daarom niet vereist voor deze in vitrocel-gebaseerde studie.
Het verkrijgen en voorspellen van shikonin-doelen
Het trefwoord "shikonin" werd gezocht in de PubChem-database. De SDF-structuur van shikonin werd gedownload en de vereenvoudigde moleculair-invoer lijninvoersysteem (SMILES) notatie werd verkregen. Volgens de eisen van de respectievelijke doeldatabases werden potentiële shikonin-doelen voorspeld en verzameld uit de PharmMapper-, SwissTargetPrediction-, HERB- en SEA Search Server-databases op 3 maart 2026 10,11,12.
Doelen voor het verkrijgen van niercelcarcinoom
Met niercelcarcinoom als trefwoord werden door mensen afgeleide ziektedoelen opgehaald uit de Therapeutic Target Database (TTD), OMIM en GeneCards, waarbij soorten beperkt waren tot Homo sapiens en Relevance Score > 50. In totaal werden aanvankelijk 1148 doelen verkregen, en na samenvatting en deduplicatie werden uiteindelijk 1087 unieke niercelcarcinoom-gerelateerde doelen verkregen:13, 14, 15.
Identificatie van snijdoelen van shikonin voor de behandeling van niercelcarcinoom
De voorspelde gendoelen van shikonin en niercelcarcinoomdoelen werden ingevoerd in Venny 2.1, een online analysetool. Overlappende doelen werden geïdentificeerd door snijanalyse en weergegeven in een Venn-diagram.
Oprichting van het component-doel-ziekte-netwerk
Met shikonin als kernonderzoeksstartpunt integreerden we fysiologische associatie-informatie tussen deze kerndoelen en RCC, en bouwden we een moleculair interactienetwerk van het "component-doel-ziekte" teraire systeem met behulp van Cytoscape-visualisatiesoftware.
Constructie van eiwitinteractienetwerk en kerndoelverwerving van shikonine bij de behandeling van niercelcarcinoom
De eiwitinteractiedatabase STRING is het kerninstrument om eiwit-eiwitinteractie (PPI) netwerken te construeren, waarmee de interactierelatie tussen eiwitten worden geanalyseerd en gevisualiseerd. In deze studie werden de overlappende doelen tussen shikonin- en niercelcarcinoom ingediend bij de STRING-database, waarbij de soort werd ingesteld op Homo sapiens voor verdere opvraging. Klik op de knop Doorgaan voor verdere analyse. In de Instellingen-module onderaan de analyseresultatenpagina werd de minimaal vereiste interactiescore ingesteld op een hoog betrouwbaarheidsniveau van 0,900. Tegelijkertijd werden niet-verwante eiwitten en losgekoppelde knooppunten in het netwerk verborgen om de geoptimaliseerde PPI-netwerk-mutual mapping te verkrijgen. De gegevens werden opgeslagen in TSV-formaat en geïmporteerd in Cytoscape-software. De bijbehorende parameters werden aangepast zodat knoopgrootte en kleurtint de overeenkomstige waarden weerspiegelden, en de randdikte de bindingssnelheidsscore. De PPI-netwerkkaart werd vastgesteldop 16,17.
Op basis van het bovenstaande PPI-netwerk werden kerndoelen nauwkeurig gescreend. De cytohubba-plug-in werd geopend in de Apps-module van Cytoscape, en de knop Berekenen werd ingedrukt om het berekeningsprogramma te starten. Het MCC-algoritme werd geselecteerd uit de Top 6 knooppunt(en) gerangschikt op optie, en de Verzendknop werd ingedrukt om de berekening te voltooien. De zes belangrijkste doelen werden geselecteerd voor verfraaiing en datadownload.
GO-verrijkingsanalyse en KEGG-routeanalyse van shikonin bij de behandeling van niercelcarcinoom
De Metascape-database werd gebruikt voor GO-verrijkingsanalyse. In deze studie werden de shikonin-gerichte kruispunten met niercelcarcinoom in de database geïmporteerd. Eerst was de geselecteerde soort Homo sapiens (mens), en daarna werd de Custom Analysis-modus geselecteerd. Verrijkingsanalyse werd uitgevoerd voor de drie dimensies van GO-functionele verrijking: moleculaire functies, cellulaire componenten en biologische processen. De p-waarde grens werd ingesteld op 0,01 en de knop voor verrijkingsanalyse werd ingedrukt om analyse uit te voeren met het microkredietplatform om een GO-verrijkingsanalysevisualisatie van shikonin te construeren bij de behandeling van niercelcarcinoom 18,19.
De KOBAS 3.0-database werd gebruikt om KEGG signaalpadverrijkingsanalyse uit te voeren op overlappende doelen tussen shikonine en niercelcarcinoom, en deze database kan padannotatie en verrijkingsstatistische analyse van genen realiseren. De afgeschermde kruispuntdoelen werden geïmporteerd in de KOBAS 3.0-database; de bron van de geselecteerde soort was H. sapiens (mens), het screeningstype was beperkt tot de KEGG-signaalroute, en de p-waarde drempel voor verrijkingsanalyse werd ingesteld op <0,01. Na analyse werden de verrijkingsresultaten van de KEGG-route verkregen. Op basis van de resultaten van de verrijkingsanalyse werd de p-waarde als basis voor sortering gebruikt, en werden de top 10 KEGG-signaalpaden uitgefilterd. De visualisatieverwerking werd voltooid met behulp van een microsignalingplatform, en uiteindelijk werd de KEGG verrijking Sankey-diagram bubbelgrafiek getekend en opgeslagen 20,21.
Moleculaire koppelverificatie
De driedimensionale (3D) structuur van shikonin werd opgehaald uit de PubChem-database, en Open Babel-software werd toegepast om de 3D-structuur om te zetten naar een standaard PDB-formaat. De driedimensionale eiwitstructuren van de kerndoelen die door netwerkfarmacologie werden geïdentificeerd, werden in PDB-formaat gedownload uit de RCSB-eiwitdatabase en de AlphaFold-database. De kristalstructuren van de doeleiwitten omvatten PIK3CA (PDB ID: 9B4T), PIK3CD (PDB ID: 8BCY), PIK3R1 (PDB ID: 7CIO), PTPN11 (PDB ID: 9R16), SRC (PDB ID: 9NS1), PIK3CB (AlphaFold voorspelde structuur, AF-Q8BTI9-F1-model_v6). Watermoleculen en heteroatomen werden verwijderd, polaire waterstoffen toegevoegd en Gasteiger-ladingen werden toegewezen met behulp van AutoDock Tools. De AutoDock Tools-software werd gebruikt om de dockingbox van een geschikte grootte te selecteren om het volledige doeleiwit voor moleculaire docking te bedekken. Ten slotte werd visualisatie van doel-actieve componentparen met optimale bindingsenergie verkregen. PyMol-software werd gebruikt om de bindingsplaatsen, het type en de afstand van bindingsinteractie te analyseren en een driedimensionale conformationele visualisatieafbeeldingte genereren 22,23.
Cytotoxiciteitstest
Caki-1-cellen werden geïnëntificeerd in 96-put kweekplaten met een dichtheid van 5.000 cellen per put en behandeld met shikonin bij concentraties van respectievelijk 12,5, 25, 50 en 100 μmol/L gedurende 12 uur en 24 uur. Voor 786-O-cellen werd slechts 24 uur behandeling uitgevoerd met dezelfde concentratiegradiënt. Het cytotoxische effect van shikonin op beide cellijnen werd geëvalueerd met behulp van de MTT-assay. Alle experimenten werden uitgevoerd in biologische driedubbele exemplaren met drie technische replicaten voor elke conditie. De resultaten worden uitgedrukt als IC50-waarden . Hoewel de algehele remmende trend consistent was tussen de twee cellijnen, vertoonde shikonin een sterkere cytotoxiciteit richting Caki-1-cellen. Daarom werden Caki-1-cellen geselecteerd voor latere functionele experimenten.
Effect van shikonin op de migratie van Caki-1-cellen zoals bepaald door een scratchwound-assay
Caki-1-cellen en 786-O-cellen in logaritmische fase werden in 6-wellplaten geplaatst. Parallelle kraslijnen werden aan de onderkant van elke put gemaakt met een steriele pipettip van 200 μL. Na de aanhechting van de nacht werd PBS gebruikt om de gekweekte cellen te wassen. Cellen werden behandeld met verschillende concentraties shikonin (12,5, 25, 50 en 100 μmol/L) gedurende 12 uur. Na 12 uur werd de verandering in het krabgebied op dezelfde plek onder een microscoop waargenomen.
De formule voor het berekenen van het effect van shikonin op de groeiactiviteit van Caki-1-cellen was als volgt: mobiliteit = [(0 uur krasgebied − 12 uur krasgebied)/0 uur krasgebied] × 100%.
Bepaling van Caspase-3 en Caspase-8 activiteiten
Caki-1-cellen in de logaritmische groeifase werden geoogst, en de celconcentratie werd aangepast naar 5 × 106 cellen/mL, gevolgd door incubatie gedurende 12 uur. Nadat Caki-1-cellen waren behandeld met verschillende concentraties shikonin (12,5, 25, 50 en 100 μmol/L) en 24 uur geïncubeerd, werd celdetectie uitgevoerd zoals beschreven in de Caspase-testkit.
Effecten van shikonin op de apoptosesnelheid van Caki-1-cellen
Logaritmisch groeiende Caki-1-cellen werden ingezaaid in 6-put kweekplaten. Cellen werden behandeld met shikonin in concentraties van 12,5, 25, 50 en 100 μmol/L gedurende 24 uur zonder controlegroep. Cellen werden voorzichtig opnieuw opgehangen in PBS, verzameld en geteld. In totaal werden 1 × 105 resuspendeerde cellen gecentrifugeerd op 300 × g gedurende 5 minuten. Het supernatant werd afgevoerd en de celpellet werd voorzichtig opnieuw opgehangen in 195 μL Annexin V-FITC bindingsbuffer. Vervolgens werd 5 μL Annexine V-FITC toegevoegd, gevolgd door 10 μL propidiumjodide kleuroplossing, beide met zachte menging. Cellen werden 15 minuten in het donker geïncubeerd bij kamertemperatuur (20–25 °C) voorafgaand aan de analyse.
Analyse van celsignaleringsroutes
De Caki-1-cellen werden behandeld met 12,5, 25, 50 en 100 μmol/L shikonin. Na 24 uur werden de cellen geoogst in koude PBS, gelyseerd met cellysebuffer die proteaseremmer bevatte, en werd de eiwitconcentratie gemeten. Het eiwit werd geïsoleerd op een 10% natriumdodecylsulfaat (SDS)-polyacrylamide gel. Na overdracht naar PVDF-membranen werden de membranen 3 uur geblokkeerd met 5% BSA, waarna ze 's nachts werden geïncubeerd bij 4 °C met een ander primair antilichaam. Vervolgens werden de membranen geïncubeerd met het secundaire antilichaam bij een verdunning van 1:3000. Eiwitbanden werden gedetecteerd met het ECL-detectiesysteem en kwantitatief geanalyseerd met behulp van ImageJ-software.
Statistische analyse
Experimentele resultaten werden gepresenteerd als het gemiddelde ± standaarddeviatie (x ± s, n = 3). Voor parametrische statistische analyse werd normaliteit geverifieerd met de Shapiro-Wilk-test, en werd de homogeniteit van variantie beoordeeld met de test van Levene. Eenrichtingsvariantieanalyse (ANOVA) gecombineerd met Tukey's post hoc-test werd uitgevoerd met SPSS-software. Statistische grafieken werden gemaakt met GraphPad Prism-software. De onafhankelijke steekproeven t-test werd gebruikt voor paargewijze vergelijkingen tussen groepen, en p < 0,05 gaf statistisch significante verschillen aan.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Het verkrijgen en voorspellen van shikonin-doelen
Met behulp van de vier eerder genoemde databases werden potentiële shikonin-doelen voorspeld, en werden 426 doelen geïdentificeerd na integratie en samenvatting. De samengevatte doelen werden gededupliceerd, wat resulteerde in 374 doelen, zoals weergegeven in Figuur 2A.
Doelen voor het verkrijgen van niercelcarcinoom
In totaal werden 1.147 doelen verkregen na het samenvatten ...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
PIK3CA staat formeel bekend als fosfatidylinositol 4,5-bisfosfaat 3-kinase katalytische subunit alfa-isoform. PIK3CA, een centraal onderdeel van de PI3K/AKT/mTOR-route, speelt een essentiële rol bij het ontstaan, de ontwikkeling en behandeling van niercelcarcinoom (RCC). Studies hebben aangetoond dat PIK3CA een hoogfrequent mutantgen van dit subtype is (6/57, 11%), en dat de mutatie direct gerelateerd is aan de abnormale activatie van de PI3K/AKT-route. Bovendien reageren dergelijke pati...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
De auteurs hebben niets te onthullen.
Dit onderzoek werd gefinancierd door de Guizhou Provinciale Gezondheidscommissie voor wetenschap en technologie (gzwkj2024-516); Nationaal en Provinciaal Talent en Technologie Innovatie Team Ontwikkelingsprogramma van Guizhou Universiteit voor Traditionele Chinese Geneeskunde, Guizhou Universiteit voor Traditionele Chinese Geneeskunde TD Hopes [2023] 005; Guizhou Provinciale Natuurwetenschappelijke Stichting [subsidienummers: ZK [2024] 404]; Chuanxiong eiwit-polysaccharide complex gebaseerd op de eigenschappen van langcirculerende Pickering-melk om de behandeling van hoofdpijn met Chuanxiong (82360779) te bevorderen.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| 786-O | American Type Culture Collection (ATCC) | RRID: CVCL_1051 (ATCC CRL-1932) | Human clear cell renal cell carcinoma cell line |
| AlphaFold database | European Molecular Biology Laboratory (EMBL) - EBI | AlphaFold Protein Structure Database | Protein structure prediction database (AlphaFold Protein Structure Database) |
| AutoDock Tools software | Scripps Research Institute | 1.5.7 | Molecular docking software voor ligand-eiwitbindingsvoorspelling |
| Caki-1 | American Type Culture Collection (ATCC) | RRID: CVCL_0234 (ATCC HTB-46) | Human clear cell renal cell carcinoma cell line |
| Caki-1 cells | Mudanjiang Normal University | HTB-46 (RRID: CVCL_0234) | Human clear cell renal cell carcinoma cell line |
| Caspase 3 en caspase 8 detectiekits | Credit Suisse Biotechnology Co Ltd (QUANZHOU, China) | Caspase-3 Activity Assay Kit, Cat. No. RX302848M, Caspase-8 Activity Assay Kit, Cat. No. RX302849M | Gebruikt voor het detecteren van caspase-activiteit om celdood te beoordelen |
| Cytoscape software | Cytoscape Consortium | 3.9.1 | Gebruikt voor biologische netwerkconstructie en visualisatie |
| DMEM medium | Hyclone | SH30022.01 | Celcultuurmedium voor Caki-1 en 786-O celcultuur |
| Fetaal bovien serum | Gbico | 10099-141 | Celcultuursupplement voor Caki-1 en 786-O celgroei |
| GeneCards | Weizmann Institute of Science | https://www.genecards.org/ | Uitgebreide menselijke gendatabase voor target gen-annotatie |
| GraphPad Prism | GraphPad, San Diego, CA, USA | versie 8.3.0 | Voor het maken van statistische grafieken |
| HERB database | Chinese Academy of Sciences | http://herb.ac.cn | Traditionele Chinese geneeskunde component-doelwitdatabase |
| ImageJ software | National Institutes of Health (NIH) | Fiji | Afbeeldingsanalysesoftware voor celmorfologie en Western blot bandkwantificering |
| inverted microscope | Olympus, IX73, Japan | 100× vergroting. | Gebruikt voor het observeren van morfologische veranderingen in cellen na shikonin behandeling |
| KOBAS 3.0 database | Peking University | http://bioinfo.org/kobas/ | Gene ontologie en padverrijkingsanalyse tool |
| Metascape database | Memorial Sloan Kettering Cancer Center | https://metascape.org/gp/index.html) | Gene functie verrijking en netwerkanalyse tool |
| Microcredit platform | National Center for Bioinformation (China) | http://www.bioinformatics.com.cn/ | Online bioinformatica analyseplatform voor gegevensverwerking |
| MTT assay kit | Solarbio Science & Technology Co., Ltd. (Beijing, China) | Cat. No. M8180 | Gebruikt voor het detecteren van celviabiliteit (antiproliferatie assay) |
| OMIM | Johns Hopkins University School of Medicine | https://www.omim.org/ | Online Mendeliaanse Erfelijkheid bij de Mens (database voor humane genetische ziekten) |
| PharmMapper database | East China University of Science and Technology | https://www.lilab-ecust.cn/pharmmapper/ | Klein molecuul geneesmiddel doelwit voorspellingsdatabase |
| PIK3CA, PIK3CB, PIK3CD, en PTPN11 | Santa Cruz Biotechnology, Inc. (Dallas, TX, USA) | Santa Cruz Biotechnology, Inc. (Dallas, TX, USA) | Primaire antilichamen voor Western blot analyse van doelwitten |
| PyMol software | Schrödinger, Inc. | 2.2.0 | Molecuul visualisatiesoftware voor eiwitstructuuranalyse |
| RCSB eiwitdatabase | RCSB Protein Data Bank (Rutgers University) | https://www.rcsb.org/ | Eiwitstructuurdatabase (PDB) voor moleculaire modellering |
| SEA Search Server database | University of California, San Francisco | https://sea.bkslab.org | Similarity Ensemble Approach voor doelwitvoorspelling |
| Shikonin (zuiverheid 98% | blad organismen afkomstig uit China | Y0001439 | Klein molecuul verbinding gebruikt voor niercelcarcinoom (RCC) behandeling in deze studie |
| SPSS | IBM, Armonk, NY, USA | versie 20.0 | Voor statistische analyse |
| STRING | European Molecular Biology Laboratory (EMBL) | https://stringdb.org/ | Eiwit-eiwit interactie netwerkdatabase |
| SwissTargetPrediction database | Swiss Institute of Bioinformatics | https://www.swisstargetprediction.ch/ | Klein molecuul doelwit voorspellingstool voor geneesmiddelontdekking |
| Therapeutic Target Database | Shanghai Institute of Materia Medica | https://ttd.idrbrab.cn | Database van therapeutische doelen en geneesmiddelen |
| Venny 2.1 | Spanish National Center for Biotechnology (CNB-CSIC) | https://bioinfogp.cnb.csic.es/tools/venny/index.html) | Venn diagram tool voor data intersectie analyse |